我正在尝试对Keras的VGG16模型进行微调以用于医学成像应用。
因为医学图像是灰色图像，所以我将每个灰色图像复制到RGB通道（3个通道具有相同的灰色图像），这样它们就可以用作VGG模型的输入。我们称之为“RGB”图像（带引号）。
但是，如果我使用preprocess_input中的keras.applications.vgg16函数预处理“RGB”图像，那么因为默认模式是preprocess_input中的'caffe'，它会减去均值RGB值[103.939,116.779,123.68]，它们是从Imagenet中的训练数据集计算出来的，来自我创建的每个“RGB”图像。
然而，在我的“RGB”图像中，所有3个RGB通道应该具有相同的平均值，更重要的是因为我的是医学图像，平均值应该与Imagenet的平均值不同。
所以在这种情况下，我应该如何预处理我的“RGB”图像以使用预先训练的“Imagenet”权重微调VGG16模型？
另外，为了确保，Keras中预先训练的'Imagenet'权重是使用以'caffe'模式预处理的数据进行训练的，对吗？